人工智能基础（原书第2版）

《人工智能基础（原书第2版）》把近年来AI发展历程中的重要事件一一进行了梳理，不仅回顾了AI的诞生、发展，还详细归纳整理了当前AI研究的核心问题 — 规划、推理、机器学习等，又在此基础上对人工智能未来的发展方向给出了一定的预期，包括分布式AI及进化计算等方面，很好地回答了所谓“人工智能的基础究竟是什么”这一问题。本书内容直观全面，用词简洁易懂，阐述深入浅出，科普性较强，可以说本书既是一本AI入门级阅读资料，又是一本适合各大高校开设人工智能专业非常具有可选性和实用性的基础教材。

通过本书你将学习到以下内容：

?? AI的诞生、发展、变迁，以及几乎所有成为AI基础的重要事项

??AI核心的搜索、解决问题的知识表达、规划、推论、机器学习等项目

??推论中不确定性处理（页面调查工作）

??统计机器学习中基本算法与新进展

??分散AI及进化计算

??智能体与智能交互系统

第 2 版前言

《人工智能基础》第 1 版自出版起已历经 15 载，这期间，人工智能取得了飞速的进展。众所周知，在日本教育领域，人工智能相关课程既是学院、大学、高专等信息专业的固定主课，又是信息学科大学生必须掌握的专业知识。此外，网络、网页基础设施及终端用户的增加使得存储信息量迅速变大，人工智能的研究也导入了统计机器学习、数据挖掘、网页知识、Agent、多智能体等多样化概念，衍生出了新的研究领域。

本书第 2 版中，就人工智能这 15 年间的发展，笔者增添了较多前一版中受篇幅所限未讲述或涉及较少但又较为重要的部分，其遴选标准反映了笔者的研究立场，同时也是以现实世界的知识处理，系统性适应学习结构，与人类的交互作用为中心的。更为具体来讲，就是推理中不确定性处理（贝叶斯网络），统计机器学习中基本算法与新进展（媒介支持机器、相关规则、群集链接），智能体与交互作用（智能体体系、多智能体协作、交互机器学习、用户适应系统）等。这些研究主题，不仅在学术性方面颇具深义，也是推进今后人工智能的实际应用化过程中不可欠缺的技术。此外，关于今后学习人工智能的方法，除了具备好奇心外，基础知识也尤为必要。

当前有看法认为，人工智能正逐渐细化，笔者认为，人工智能研究的根本价值观与方向性是共通的。于读者而言，应该能在本书中感受到新增的人工智能研究的价值观、方向性等内容，如能加深读者的学习兴趣，推动研究进行，笔者也将不胜荣幸。

笔　者　

译者序

近年来，人工智能（Artificial Intelligence, AI）一词热度不减，各个领域都将其视作未来发展中具备相当竞争力的主流方向。尤其是 AlphaGo 的出现，更是让人工智能走进了人们的生活，让更多的人了解到了人工智能。随着更多学习算法的深入研究，人工智能进入了发展的快车道，人脸识别、无人驾驶、自然语言处理等技术，更是让人们体会到了 AI 带来的便捷。

本书把近年来 AI 发展历程中的重要事件一一进行了梳理，不仅回顾了 AI 的诞生、发展，还详细归纳整理了当前 AI 研究的核心问题 — 规划、推理、机器学习等，又在此基础上对人工智能未来的发展方向给出了一定的预期，包括分布式 AI 及进化计算等方面，很好地回答了所谓“人工智能的基础究竟是什么”这一问题。全书内容直观全面，用词简洁易懂，阐述深入浅出，科普性较强，可以说本书既是一本 AI 入门级阅读资料，又是一本适合各大高校开设人工智能专业非常具有可选性和实用性的基础教材。

人工智能虽已司空见惯且耳熟能详，但要准确翻译本书确实不易，因此在翻译过程中我查阅了大量的资料来研究术语的表达，反复推敲一些理论的说法，虽说竭尽全力但却进度缓慢。直至译完最后一字，才发觉在此过程中，对人工智能从起源至今的历程以及人工智能技术本身有了更深刻的了解和掌握，大大拓宽了我的认知范围，不亦乐乎！

本书在翻译过程中，得到了南京信息工程大学张庆芳、聂云倩、姜妮娅以及秦赫等的鼎力相助，再次表示感谢！

由于译者水平有限，书中不当或错漏之处恳请业内专家学者和广大读者批评指正。

译　者　

目　录

译者序

第 2 版前言

第 1 版前言

第 1 章　何谓人工智能

1.1　何谓智能

1.1.1　智能的相关词汇

1.1.2　人类智能与机器智能

1.1.3　能否测定机器智能

1.2　人工智能的定义

1.3　人工智能的历史

1.3.1　萌芽期

1.3.2　AI 的起点 — 达特茅斯会议

1.3.3　AI 的创始期

1.3.4　AI 的第一时代 — 智能时代

1.3.5　AI 的第二时代 — 知识时代

1.3.6　AI 的发展期

1.3.7　AI 的高峰期

1.3.8　AI 的第三时代 — 智能体时代

1.4　AI 的研究对象习题

参考文献

第 2 章　问题的解决

2.1　问题解决的过程

2.2 　AI 的对象问题

2.3　问题的定型化方法

2.3.1　状态空间法

2.3.2　问题分割法

2.3.3　手段 - 目的分析

习题

参考文献

第 3 章　搜索

3.1　盲目搜索法

3.1.1　纵向搜索

3.1.2　横向搜索

3.1.3　纵向搜索与横向搜索的比较

3.1.4　迭代加深搜索

3.2　启发式搜索

3.2.1　爬山算法

3.2.2　最佳优先搜索

3.2.3　A * 算法

3.2.4　实时 A * 算法

3.2.5　启发式函数的具体实例

3.3　博弈树的搜索

3.3.1　极小极大算法

3.3.2　α-β 算法

3.3.3　游戏编程现状

习题

参考文献

第 4 章　知识表示

4.1　知识库系统

4.1.1　问题解决与知识库系统

4.1.2　知识与知识库

4.1.3　知识库系统的特征

4.2　知识处理的三个阶段

4.3　知识的分类

4.3.1　专业知识与常识 1

4.3.2　陈述性知识和程序性知识

4.3.3　经验知识和理论知识

4.3.4　行业知识和任务知识

4.3.5　完整的知识和不完整的知识

4.4　知识表示概要

4.5　代表性知识表示法

4.5.1　生产规则

4.5.2　语义网

4.5.3　框架系统

4.5.4　逻辑

4.5.5　逻辑编程

4.6　本体论

4.6.1　本体论的定义及构成要素

4.6.2　本体论的分类

4.7　语义网和关联开放数据

习题

参考文献

第 5 章　规划

5.1　STRIPS 规划 5.2　偏序规划

5.3　反应式规划

5.3.1　反应式规划的具体事例

5.3.2　包容体系结构

习题

参考文献

第 6 章　推理

6.1　演绎、归纳、溯因

6.2　常识推理

6.2.1　缺省逻辑

6.2.2　限界

6.2.3　自认知逻辑

6.2.4　封闭世界假设

6.3　假设推理

6.4　类推

6.5　贝叶斯网络

习题

参考文献

第 7 章　机器学习

7.1　归纳学习

7.1.1　假设空间的探索

7.1.2　变形空间法 7.1.3　偏置

7.2　基于解释的学习（EBL）

7.2.1　基于解释的泛化（EBG）

7.2.2　宏操作符学习系统

7.3　决策树的归纳学习

7.4　强化学习

7.4.1　Q 学习

7.4.2　桶队和利益共享

7.5　最邻近法

7.6　支持向量机

7.7　关联规则的学习

7.7.1　关联规则

7.7.2　Apriori 算法

7.8　聚类

7.8.1　k-means 法

7.8.2　层次聚类

习题

参考文献

第 8 章　分布式人工智能和进化计算

8.1　分布式人工智能

8.1.1　黑板模型 8.1.2　合同网协议

8.2　进化计算

8.2.1　遗传算法

8.2.2　遗传编程

8.2.3　进化学习

习题

参考文献

第 9 章　智能体和智能交互系统

9.1　智能体框架

9.1.1　智能体的抽象模型

9.1.2　智能体的分类

9.1.3　环境

9.1.4　智能体的程序

9.1.5　智能体的学习

9.2　人机交互

9.2.1　HAI 中智能体定义的延伸

9.2.2　HAI 中的交互设计

9.2.3　适应差距

9.3　智能交互系统

9.3.1　交互式机器学习

9.3.2　用户适应系统

习题

参考文献